Tecnofemminismo, progettare una società digitale più giusta

Ogni epoca tecnologica costruisce la propria idea di progresso. La nostra è collocata nelle piattaforme, nell’intelligenza artificiale, nei dati, nell’automazione dei servizi, nella promessa di rendere più rapido ciò che prima sembrava lento. Questa promessa contiene possibilità reali, ma anche un rischio: scambiare l’efficienza per giustizia. Il tecnofemminismo nasce esattamente in questo spazio, dove la tecnologia smette di apparire come un oggetto separato dalla società e diventa una questione politica.

Chi progetta? Chi viene ascoltato? Chi resta escluso? Chi subisce gli errori dei sistemi? Chi guadagna dall’automazione? Sono domande che riguardano donne e uomini, istituzioni e imprese, lavoratori e cittadini. Per questo il tecnofemminismo parla a tutti: mette al centro le asimmetrie di genere perché lì molti squilibri diventano più visibili, ma il suo campo d’azione comprende l’intera organizzazione sociale ed economica della tecnologia.

La sociologa britannica Judy Wajcman, con TechnoFeminism, ha dato una formulazione ancora utile a questo campo di pensiero: il rapporto tra genere e tecnologia va letto dentro le condizioni sociali, economiche e culturali che producono strumenti, infrastrutture e immaginari. La sua tesi insiste su un punto decisivo ovvero che a fare la differenza sono le politiche femministe, non la tecnologia presa come forza autonoma di liberazione. Wajcman unisce le intuizioni del cyberfemminismo a un’analisi materialista della politica sessuale della tecnologia, mostrando come design, uso e potere si costruiscano insieme.

Questa prospettiva permette di evitare sia l’entusiasmo ingenuo sia il rifiuto automatico dell’innovazione. Le tecnologie possono ampliare libertà, accesso, cura, conoscenza. Possono anche incorporare pregiudizi, rafforzare gerarchie, rendere invisibile il lavoro umano che le sostiene. Il punto politico consiste nel governarle, discuterle, correggerle. Una piattaforma di welfare, un algoritmo di selezione del personale, un sistema di riconoscimento facciale, un chatbot educativo o sanitario non arrivano mai in un vuoto sociale. Entrano in una società attraversata da disuguaglianze di reddito, genere, razza, età, istruzione, disabilità, territorio.

Il cyborg che rompe i confini naturali

Donna Haraway, filosofa statunitense, aveva anticipato una parte essenziale di questo ragionamento nel Manifesto cyborg. Il cyborg, nella sua elaborazione, non va interpretato come una semplice figura fantascientifica, ma come una forma per pensare soggettività ibride, corpi attraversati dalla tecnica, identità non riducibili a confini naturali e stabili. Haraway rilegge il femminismo socialista degli anni Ottanta dentro il contesto delle scienze dell’informazione, della militarizzazione e delle trasformazioni tecnoscientifiche. Il cyborg diventa così un nodo storico tra organismi, macchine digitali, corpi e vite umane.

Da Haraway deriva una lezione ancora attuale: la tecnica passa attraverso i corpi. Attraversa dispositivi sanitari, piattaforme sociali, database pubblici, procedure amministrative, software aziendali, sistemi educativi. La vita quotidiana viene mediata da infrastrutture che classificano, ordinano, suggeriscono, autorizzano o respingono. Il tecnofemminismo invita a guardare questi passaggi con attenzione democratica.

La questione non riguarda soltanto la presenza femminile nel settore tecnologico, pur necessaria. Riguarda anche le regole del progetto: quali dati vengono raccolti, quali categorie vengono usate, quali errori vengono tollerati, quali gruppi pagano il prezzo delle decisioni sbagliate. Un sistema digitale non produce effetti soltanto nel momento in cui viene usato. Produce effetti già nella fase in cui definisce che cosa conta come informazione, quali corpi diventano leggibili, quali esperienze vengono considerate eccezioni. Il divario digitale è ancora materiale

La questione dell’accesso mostra la dimensione globale del problema. Secondo l’International Telecommunication Union, nel 2024 usa Internet il 70% degli uomini contro il 65% delle donne; nello stesso anno, 2,6 miliardi di persone restano offline e l’uso della rete rimane fortemente legato al livello di sviluppo dei Paesi. Nei Paesi ad alto reddito è online il 93% della popolazione, contro il 27% nei Paesi a basso reddito.

Parlare di società digitale come se fosse già universale produce una distorsione: cancella chi non accede, chi accede male, chi dipende da connessioni costose, chi non possiede competenze sufficienti per difendersi da truffe, abusi, profilazioni o esclusioni. La retorica della connessione permanente convive con una realtà molto più diseguale. Ci sono territori senza infrastrutture adeguate, famiglie che condividono pochi dispositivi, donne e ragazze che hanno minore autonomia nell’uso della rete, anziani spinti verso servizi digitali senza adeguato accompagnamento.

Il tecnofemminismo consente di leggere questi dati senza separarli dalla vita quotidiana. L’accesso alla rete incide sulla possibilità di studiare, lavorare, cercare assistenza sanitaria, partecipare alla vita pubblica, ottenere documenti, esercitare diritti. Quando il digitale diventa il canale principale di relazione con istituzioni, banche, scuola e sanità, l’esclusione tecnologica diventa esclusione sociale.

Il digitale va riportato alla politica

Lilia Giugni ha contribuito a rendere questo dibattito più concreto con La rete non ci salverà. Perché la rivoluzione digitale è sessista (e come resistere). Il libro, pubblicato da Longanesi nel 2022, collega molestie online, pornografia non consensuale, minacce, sfruttamento del lavoro nel settore tecnologico, pregiudizi dell’intelligenza artificiale e disuguaglianze nell’accesso alle risorse digitali. La sua analisi mostra l’intreccio tra rivoluzione digitale, ingiustizie economiche e ingiustizie di genere, con l’obiettivo di rimettere la tecnologia al servizio di tutte e di tutti.

Qui si sottolinea che il tecnofemminismo riguarda l’intera società perché prende sul serio le persone più esposte agli effetti dannosi dei sistemi. Una tecnologia ostile alle donne, alle persone razzializzate, ai migranti, alle persone con disabilità, agli anziani, ai lavoratori poveri o precari produce un danno generale. Un algoritmo che discrimina in fase di assunzione peggiora il mercato del lavoro. Una piattaforma che facilita violenza e ricatti riduce la libertà di espressione. Un servizio pubblico digitale progettato senza alternative esclude cittadini. Un sistema sanitario predittivo addestrato su dati parziali può generare diagnosi o priorità distorte.

Il vantaggio di una lente tecnofemminista sta nella capacità di individuare questi difetti prima che diventino normalità amministrativa o infrastruttura economica. La rete, in questa prospettiva, non viene idealizzata come spazio naturalmente libero. Viene osservata per ciò che è: un ambiente costruito da aziende, norme, modelli di profitto, scelte tecniche e rapporti di forza. La domanda politica diventa allora molto concreta: quali architetture digitali rendono più probabile l’abuso? Quali modelli economici premiano l’attenzione tossica? Quali strumenti permettono alle persone colpite di difendersi davvero?

Quando l’errore diventa sistema

Il lavoro di Joy Buolamwini, computer scientist e fondatrice dell’Algorithmic Justice League, e Timnit Gebru, ricercatrice specializzata in intelligenza artificiale, bias algoritmici e data mining, ha reso visibile, con dati sperimentali, quanto i bias possano entrare nei sistemi di intelligenza artificiale. Nel paper Gender Shades, pubblicato nel 2018, le due ricercatrici hanno analizzato tre classificatori commerciali di genere basati su immagini del volto. I risultati mostrano forti differenze nelle prestazioni: i sistemi commettono più errori sui soggetti con pelle più scura rispetto a quelli con pelle più chiara e, nell’analisi intersezionale, le donne dalla pelle più scura risultano il gruppo più penalizzato. Per questo gruppo, gli errori arrivano fino al 34,7%; per gli uomini dalla pelle più chiara, alcuni classificatori registrano errori tra 0,0% e 0,3%.

La lezione di Gender Shades supera il caso del riconoscimento facciale. Quando i dati rappresentano alcune persone meglio di altre, i sistemi imparano una società parziale. Quando i test misurano solo l’accuratezza media, le differenze tra gruppi restano nascoste. Quando le aziende rilasciano prodotti senza audit indipendenti, l’errore viene scoperto da chi lo subisce. Buolamwini e Gebru hanno mostrato che la giustizia algoritmica richiede valutazioni disaggregate, controlli pubblici, trasparenza sui dataset e responsabilità dei produttori.

Questo vale per il riconoscimento facciale, ma anche per modelli linguistici, sistemi di scoring, strumenti di moderazione, software per la selezione del personale e applicazioni nel credito o nella sanità. L’ingiustizia algoritmica raramente si presenta come un atto esplicito. Spesso prende la forma di una percentuale media, di una soglia tecnica, di una categoria mal definita, di un dataset incompleto. Per questo serve una cultura capace di interrogare anche ciò che sembra neutro.

I dati devono avere una storia

Timnit Gebru ha lavorato anche sulla documentazione dei dati. Datasheets for Datasets, firmato con Jamie Morgenstern, Briana Vecchione, Jennifer Wortman Vaughan, Hanna Wallach, Hal Daumé III e Kate Crawford, propone di accompagnare ogni dataset con una scheda che ne descriva motivazione, composizione, processo di raccolta, usi raccomandati, limiti e possibili rischi. L’obiettivo dichiarato è migliorare comunicazione, trasparenza e responsabilità nella comunità del machine learning.

Questa proposta porta nel cuore tecnico della progettazione una domanda politica: da dove vengono i dati e quali vite rappresentano? I dati non sono frammenti puri di realtà. Sono raccolti, selezionati, puliti, etichettati, interpretati. Ogni passaggio contiene decisioni. Una fotografia inserita in un database, una categoria demografica, una traduzione automatica, una diagnosi archiviata, una valutazione scolastica, una cronologia di acquisti: tutto può diventare materiale per un sistema predittivo. Senza documentazione, controllo e limiti d’uso, il dato perde la propria storia e viene presentato come oggettività.

Il tecnofemminismo insiste proprio su questa storia. Chiede di rendere visibile il lavoro umano dietro la macchina: chi raccoglie i dati, chi li etichetta, in quali condizioni, con quali compensi, secondo quali criteri. Chiede anche di riconoscere i soggetti rappresentati nei dataset, perché le persone non sono semplicemente “materia prima” per l’addestramento dei modelli. Sono titolari di diritti, aspettative, vulnerabilità, possibilità di contestazione.

I modelli generativi riflettono vecchi stereotipi

La stessa domanda torna nei modelli generativi. Nel 2024 l’UNESCO ha segnalato prove di stereotipi regressivi nei sistemi di intelligenza artificiale generativa e ha collegato il problema alla scarsa diversità nei gruppi che progettano questi strumenti. Secondo l’organizzazione, le donne rappresentano il 20% dei ruoli tecnici nelle principali aziende di machine learning, il 12% dei ricercatori in intelligenza artificiale e il 6% degli sviluppatori software professionisti. L’UNESCO aggiunge che sistemi progettati da team poco diversi rischiano di rispondere peggio ai bisogni di utenti diversi e di proteggere meno efficacemente i diritti umani.

La composizione dei team, tuttavia, rappresenta solo una parte della soluzione. Servono regole, diritti, controlli, capacità di contestazione. L’Artificial Intelligence Act europeo introduce una logica basata sul rischio e, per alcuni sistemi ad alto rischio, prevede una valutazione d’impatto sui diritti fondamentali: l’uso previsto, i gruppi coinvolti, i rischi, le misure di supervisione umana e i meccanismi di reclamo devono essere descritti prima dell’impiego da parte di soggetti pubblici e di alcune entità private che svolgono servizi pubblici.

La direzione appare chiara: l’intelligenza artificiale va trattata come infrastruttura sociale. Un modello generativo che produce testi, immagini, profili, sintesi o raccomandazioni può influenzare studio, informazione, lavoro, creatività, reputazione. Anche quando l’output sembra innocuo, il sistema può consolidare associazioni culturali: uomini legati a leadership e carriera, donne legate a cura e domesticità; persone bianche associate a competenza, persone razzializzate associate a rischio o marginalità. Sono schemi antichi, aggiornati con strumenti nuovi.

I dati parlano dentro rapporti di potere

Catherine D’Ignazio e Lauren Klein, in Data Feminism, offrono un lessico utile per questo passaggio. Il loro lavoro collega scienza dei dati ed etica femminista intersezionale, sostenendo che i dati parlano sempre dentro relazioni di potere. Tra i principi indicati compaiono l’analisi del potere, la sfida alle strutture diseguali, il superamento di binarismi e gerarchie, l’attenzione al contesto, il riconoscimento del lavoro invisibile. Le autrici precisano che il femminismo dei dati riguarda molto più del genere: riguarda chi possiede potere, chi ne viene escluso e come quei rapporti possano essere trasformati.

Questa impostazione aiuta anche a capire perché il tecnofemminismo parli a tutti. Agli uomini, perché un mondo digitale fondato su sorveglianza, produttività estrema e classificazioni opache limita anche la loro libertà. Ai lavoratori, perché l’automazione può intensificare ritmi, controlli e precarietà. Alle imprese, perché prodotti più equi sono anche più robusti, meno esposti a errori reputazionali e legali. Alla scuola, perché l’alfabetizzazione digitale deve includere potere, dati, privacy e bias. Alla politica, perché i servizi pubblici digitali devono restare comprensibili e contestabili. Alla stampa, perché raccontare l’innovazione senza interrogare proprietà, lavoro e impatti sociali significa accettare la narrazione delle aziende come unica cornice.

Da qui nasce una cultura della progettazione responsabile. Prima di adottare un sistema algoritmico, occorre chiedere quali problemi intende risolvere e quali potrebbe aggravare. Prima di raccogliere dati, occorre valutare consenso, proporzionalità, sicurezza e rappresentatività. Prima di automatizzare una decisione, occorre garantire spiegazioni, supervisione umana, ricorso e possibilità di riparazione. Prima di celebrare una nuova piattaforma, occorre guardare alle condizioni di lavoro, alla moderazione dei contenuti, alla gestione degli abusi, alla tutela delle persone più esposte.

Democrazia digitale, una responsabilità condivisa

Il tema assume un valore politico preciso. La questione tecnologica coincide sempre più con la questione democratica. La cittadinanza passa da identità digitali, fascicoli sanitari elettronici, algoritmi bancari, piattaforme di lavoro, social network, sistemi educativi, strumenti di intelligenza artificiale. Lasciare questi spazi alla sola logica del mercato significa restringere il controllo collettivo su parti crescenti della vita comune. Il tecnofemminismo offre un metodo per riportare conflitto, responsabilità e partecipazione dentro l’innovazione. Haraway ci consegna l’immagine di soggetti ibridi, immersi nella tecnoscienza. Wajcman mostra che genere e tecnologia si modellano reciprocamente. Giugni richiama la rete alle sue responsabilità sociali e materiali. Buolamwini e Gebru dimostrano che l’ingiustizia può essere misurata nei sistemi, riga dopo riga, errore dopo errore. D’Ignazio e Klein allargano il campo ai dati come infrastruttura del potere. Da queste prospettive nasce una proposta comune: progettare tecnologie capaci di rendere visibili le persone, non di ridurle a categorie mute.

Una società digitale giusta richiede competenze tecniche, ma anche immaginazione politica. Richiede ingegnere e giuriste, docenti e sindacalisti, amministratrici pubbliche e ricercatori, attiviste e cittadini. Il tecnofemminismo parte dalle disuguaglianze di genere perché lì molti difetti dell’innovazione diventano più evidenti. Il suo orizzonte riguarda la qualità della democrazia tecnologica: sistemi più trasparenti, più accessibili, più controllabili, più attenti ai corpi e alle vite che li attraversano. In questa direzione, la tecnologia può diventare uno spazio di responsabilità condivisa.